SonAgent — расширяемый open-source фреймворк, предназначенный для построения, организации и запуска AI-агентов на Python. Он предоставляет основные модули для хранения памяти, интерфейсов инструментов, логики планирования и асинхронной обработки событий. Разработчики могут регистрировать собственные инструменты, интегрировать языковые модели, управлять долговременной памятью агента и координировать несколько агентов для выполнения сложных задач. Модульный дизайн SonAgent ускоряет разработку разговорных ботов, автоматизаций рабочих процессов и распределенных систем агентов.

xBrain обеспечивает модульную архитектуру для создания, настройки и оркестрации автономных агентов внутри приложений на Python. Пользователи определяют агентов с конкретными возможностями — например, сбор данных, их анализ или генерация — и собирают их в рабочие процессы, где каждый агент взаимодействует и делегирует задачи. В рамках фреймворка есть планировщик для управления асинхронным выполнением, система плагинов для интеграции внешних API и механизм логирования для мониторинга и отладки в реальном времени. Гибкий интерфейс xBrain поддерживает пользовательские реализации памяти и шаблоны агентов, что позволяет адаптировать поведение под различные области. От чат-ботов и data pipeline до исследовательских экспериментов — xBrain ускоряет разработку сложных систем с несколькими агентами с минимальным объемом шаблонного кода.

MultiAgentModel предоставляет единый API для определения пользовательских окружений и классов агентов для сценариев с множеством агентов. Разработчики могут задавать пространства наблюдения и действий, структуры награды и каналы связи. Встроенная поддержка популярных RL-алгоритмов, таких как PPO, DQN и A2C, позволяет тренировать модели с минимальной настройкой. Инструменты визуализации в реальном времени помогают отслеживать взаимодействия агентов и показатели их эффективности. Модульная архитектура обеспечивает легкую интеграцию новых алгоритмов и пользовательских модулей. Также включает гибкую систему конфигурации для настройки гиперпараметров, утилиты логирования для отслеживания экспериментов и совместимость с OpenAI Gym для бесшовной портативности. Пользователи могут совместно работать над общими окружениями и воспроизводить зафиксированные сессии для анализа.

Этот репозиторий содержит универсальную коллекцию компонентов многопользовательских систем и методов распределенной ИИ-координации. Он включает реализации алгоритмов согласия, протоколов переговоров Contract-Net, аукционных методов распределения задач, стратегий формирования коалиций и коммуникационных framework между агентами. Пользователи могут использовать встроенные среды моделирования для моделирования и тестирования поведения агентов при различных топологиях сети, сценариях задержки и отказах. Модульная структура позволяет разработчикам и исследователям интегрировать, расширять или настраивать отдельные модули координации для приложений в робототехнике, Интернете вещей, умных сетях и системах распределенного принятия решений.

AmongA и исследования мультиагентных AI-систем. Через простое API Python пользователи могут запускать любое число AI-агентов, каждый со своими персоналиями, подсказками и буферами памяти. Агенты участвуют в настраиваемых циклах бесед, поддерживая дебаты, мозговое штурм, принятие решений или симуляции игр. Фреймворк бесшовно интегрируется с основными API LLM (например, OpenAI, Anthropic), позволяя обмениваться сообщениями и хранить транскрипты. Разработчики могут расширять поведение, настраивая роли агентов, управляя очередностью и подключая внешние источники данных. AmongAIs также предлагает утилиты для анализа настроений, оценки по баллах и воспроизведения сессий. Идеально подходит для команд, исследующих возникающее взаимодействие, совместную генерацию идей и тестирование координации цифровых работников в исследовательских и производственных средах.

ComfyUI LLM Party расширяет среду на базе узлов ComfyUI, предоставляя набор узлов с поддержкой LLM, предназначенных для координации текстовых взаимодействий в дополнение к визуальным AI-рабочим потокам. Он предлагает чат-узлы для взаимодействия с большими языковыми моделями, узлы памяти для сохранения контекста и узлы маршрутизации для управления диалогами нескольких агентов. Пользователи могут соединять операции генерации языка, суммирования и принятия решений внутри своих конвейеров, объединяя текстовые AI и генерацию изображений. Расширение также поддерживает настраиваемые шаблоны подсказок, управление переменными и условную ветвление, позволяя автоматизировать создание повествовательных сценариев, описание изображений и динамическое описание сцен. Его модульный дизайн обеспечивает бесшовную интеграцию с существующими узлами, позволяя художникам и разработчикам создавать сложные AI-агентские рабочие процессы без программирования.

Isek — платформа для разработки ИИ-агентов с модульной архитектурой. Она предлагает систему плагинов для инструментов и источников данных, встроенную память для сохранения контекста и движок планирования для координации многошаговых задач. Можно запускать агентов локально или в облаке, интегрировать любой бэкенд LLM и расширять функциональность через сообщества или пользовательские модули. Isek ускоряет создание чат-ботов, виртуальных помощников и автоматизированных рабочих процессов, предоставляя шаблоны, SDK и CLI-инструменты для быстрой разработки.

LiteMultiAgent предоставляет модульный SDK для создания и запуска нескольких AI-агентов параллельно или последовательно, каждый с уникальными ролями и обязанностями. В него встроены хранилища памяти, обмен сообщениями, адаптеры плагинов и циклы выполнения для управления сложной коммуникацией между агентами. Пользователи могут настраивать поведение агентов, интегрировать внешние инструменты или API и контролировать диалоги через логи. Легкий дизайн фреймворка и управление зависимостями делают его идеальным для быстрого прототипирования и развертывания совместных рабочих процессов AI в производстве.

mcp-agent-graph обеспечивает графовый уровень оркестрации для AI-агентов, позволяя разработчикам моделировать сложные рабочие процессы из нескольких шагов в виде ориентированных графов. Каждый узел графа соответствует задаче или функции агента, фиксируя входные, выходные данные и зависимости. Ребра определяют поток данных между агентами, обеспечивая правильный порядок выполнения. Механизм поддерживает последовательную и параллельную работу, автоматическое разрешение зависимостей и интеграцию с пользовательскими Python-функциями или внешними сервисами. Встроенная визуализация позволяет инспектировать топологию графа и отлаживать рабочие процессы. Этот фреймворк оптимизирует разработку модульных, масштабируемых систем с несколькими агентами для обработки данных, рабочих процессов на естественном языке либо объединения моделей ИИ.

Многопроцессорные модели NKC предоставляют исследователям и разработчикам все необходимые инструменты для проектирования, обучения и оценки систем с несколькими агентами. Они включают модульную архитектуру, позволяющую определять пользовательские политики агентов, динамику окружающей среды и структуры вознаграждения. Точная интеграция с OpenAI Gym позволяет быстро создавать прототипы, а поддержка TensorFlow и PyTorch обеспечивает гибкость выбора платформы обучения. В платформе реализованы утилиты для повторного обхода опыта, централизованного обучения с раздельным выполнением и распределенного обучения на нескольких GPU. Расширенные модули для логирования и визуализации собирают показатели выполнения, способствуя бенчмаркингу и настройке гиперпараметров. Упрощая настройку сценариев с кооперативными, соревновательными и смешанными мотивациями, NKC позволяет ускорить эксперименты в области автономных транспортных средств, робототехнических рой и игровых ИИ.

RainbowGPT предоставляет полный фреймворк для проектирования, настройки и развертывания AI-агентов, работающих на моделях OpenAI. В него входит бекенд на FastAPI, интеграция с LangChain для управления инструментами и памятью, а также интерфейс на React для создания и тестирования агентов. Пользователи могут загружать документы для поиска знаний по векторам, задавать индивидуальные запросы и поведение, подключать внешние API или функции. Платформа записывает взаимодействия для анализа и поддерживает мульти-агентные рабочие процессы, позволяя автоматизировать сложные сценарии и конверсационные пайплайны.

SquadflowAI Studio позволяет пользователям визуально собирать AI-агентов, определяя роли, задачи и коммуникации между агентами. Агентов можно связывать для выполнения сложных многошаговых процессов — запросов к базам данных или API, выполнения действий и передачи контекста. Платформа поддерживает расширения через плагины, отладку в реальном времени и пошаговые журналы. Разработчики настраивают подсказки, управляют состояниями памяти и задают условную логику без шаблонного кода. Поддерживаются модели от OpenAI, Anthropic и локальные модели LLM. Команды могут развёртывать рабочие процессы через REST или WebSocket, отслеживать показатели эффективности и регулировать поведение агентов через централизованную панель управления.

Team of AI Agents предлагает модульную архитектуру для создания и развертывания мультиагентных систем. Каждый агент работает с уникальными ролями, используя глобальную память и локальные контексты для хранения знаний. Поддерживаются асинхронные сообщения, использование инструментов через адаптеры и динамическое перераспределение задач на основе результатов. Пользователи настраивают агентов с помощью скриптов на Python или YAML, позволяя специализировать их по темам, иерархии целей и приоритетам. Встроены метрики для оценки производительности и поиска ошибок, что ускоряет итерации. Расширяемая архитектура плагинов позволяет интегрировать собственные NLP-модели, базы данных и внешние API. Team of AI Agents ускоряет сложные рабочие процессы, используя коллективный интеллект специализированных агентов, что делает его идеальным для исследований, автоматизации и моделирования.

ThreeAgents написан на Python и использует API OpenAI для инстанцирования нескольких AI-агентов с разными ролями (система, помощник, пользователь). Он предлагает абстракции для подсказок агентам, обработки сообщений в зависимости от ролей и управления памятью контекста. Разработчики могут создавать собственные шаблоны подсказок, настраивать индивидуальность агентов и связывать взаимодействия для моделирования реалистичных диалогов или рабочих процессов, ориентированных на задачи. Framework управляет передачей сообщений, управлением окна контекста и ведением журналов, позволяя проводить эксперименты по совместному принятию решений или иерархической декомпозиции задач. Благодаря поддержке переменных окружения и модульных агентов, ThreeAgents обеспечивает беспрепятственный обмен между локальными и облачными LLM, позволяя быстро разрабатывать прототипы многоагентных систем ИИ. В комплекте идут примеры и поддержка Docker для быстрой настройки.

VMAS — полный набор инструментов для построения и обучения мультиагентных систем с помощью глубокого обучения с подкреплением. Он обеспечивает параллельное моделирование сотен экземпляров окружений на GPU, что позволяет собирать данные с высокой пропускной способностью и масштабировать обучение. VMAS включает реализации популярных алгоритмов MARL, таких как PPO, MADDPG, QMIX и COMA, и предлагает модульные интерфейсы для быстрой прототипизации политики и среды. Фреймворк позволяет организовать централизованное обучение с децентрализованным исполнением (CTDE), поддерживаемые настраиваемые наградные функции, пространства наблюдения и хуки обратных вызовов для ведения журналов и визуализации. Благодаря модульной архитектуре VMAS легко интегрируется с моделями PyTorch и внешними средами, что делает его идеальным для исследований в задачах сотрудничества, соревнований и смешанных мотиваций в робототехнике, управлении трафиком, распределении ресурсов и сценариях игровой AI.

Wumpus LLM-агент предназначен для упрощения разработки сложных Socratic AI-агентов путём предоставления готовых утилит оркестрации, структурированных шаблонов запросов и бесшовной интеграции инструментов. Пользователи задают роли агентов, набор инструментов и сценарии диалогов, затем используют встроенное управление цепочкой мыслей для прозрачных рассуждений. Фреймворк управляет сменой контекстов, восстановлением ошибок и хранением памяти, что обеспечивает возможность принятия решений на нескольких этапах. В него входит интерфейс плагинов для API, баз данных и пользовательских функций, позволяющий агентам просматривать веб-страницы, запрашивать знания или выполнять код. Благодаря расширенной логике и отладке разработчики могут прослеживать каждый этап рассуждений, настраивать поведение агентных моделей и развёртывать их на любых платформах с поддержкой Python 3.7+.

A2A (Архитектура агент-агент) — это открытая платформа Google для разработки и эксплуатации распределённых ИИ-агентов, работающих совместно. Она предлагает модульные компоненты для определения ролей агентов, каналов связи и разделяемой памяти. Разработчики могут интегрировать различные поставщики LLM, настроить поведение агентов и управлять многошаговыми рабочими процессами. В A2A встроены функции мониторинга, обработки ошибок и возможности воспроизведения для отслеживания взаимодействий агентов. Предоставляя стандартизированный протокол для обнаружения агентов, передачи сообщений и распределения задач, A2A упрощает сложные схемы координации и повышает надёжность масштабируемых приложений на базе агентов в различных средах.

Agent Forge обеспечивает модульную архитектуру для определения, выполнения и координации AI-агентов. Внутри есть встроенные API для оркестрации задач, модули памяти для долгосрочного сохранения контекста и система плагинов для интеграции внешних сервисов (например, LLM, баз данных, сторонних API). Разработчики могут быстро прототипировать, тестировать и внедрять агентов в продуктивных условиях, объединяя сложные рабочие процессы без необходимости управлять низкоуровневой инфраструктурой.

AgentCrew предназначена для упрощения создания и управления ИИ-агентами путём абстрагирования таких функций, как жизненный цикл агента, постоянство памяти, планирование задач и межагентное взаимодействие. Разработчики могут определять собственные профили агентов, задавать триггеры и условия, а также интегрировать основные поставщики больших языковых моделей, такие как OpenAI и Anthropic. Фреймворк предоставляет Python SDK, CLI-инструменты, RESTful API и интуитивно понятную веб-панель для мониторинга производительности агентов. Возможности автоматизации рабочего процесса позволяют агентам работать параллельно или последовательно, обмениваться сообщениями и регистрировать взаимодействия для аудита и повторного обучения. Модульная архитектура поддерживает плагины для расширения, что позволяет организациям адаптировать платформу под разнообразные случаи использования — от чат-ботов поддержки клиентов до автоматизированных исследовательских помощников и каналов извлечения данных.

Agent ChatRoom предоставляет гибкую среду для создания и запуска систем многоагентных диалогов. Пользователи могут создавать агентов с уникальными персонажами и подсказками, маршрутизировать сообщения между агентами и просматривать истории разговоров через аккуратный интерфейс. Программа интегрируется с API OpenAI, поддерживает пользовательскую настройку поведения агентов и может быть развернута на любой статический хостинг. Разработчики получают модульную архитектуру, простую настройку подсказок и отзывчивый интерфейс для тестирования сценариев совместной работы ИИ.